区块链前置知识之 hash （一）

可翻译成散列函数，也可以音译为哈希

1

定义

hash 是一种把任意长度输入变换成固定长度输出的一种算法。

假设我们已经定义了一个 hash 函数名为 H，输入内容为 message，输出内容为 x，那么就有如下公式

H(message) = x

这是一个压缩的过程，通常情况下，我们会把输出值称之为 hash 值

接下来通过一个具体的案例来了解 hash 的过程

我们定义这样一个场景，约定任意正整数，要存放在长度为 6 的数组中，那么此时，我们可以利用 hash 的思想设计什么样的方案来做到这个事情呢？

数组的具体位置我们可以用下标来表示 0, 1, 2, 3, 4, 5。想要将任意正整数放入到数组中，那么我们只需要设计一个函数，输入值为任意正整数，输出值为该数组下标中的任意一个即可，得到了输出值，我们就相当于知道应该把输入值放到数组中的某个位置了

我们可以使用求余法来定义这个 hash 函数

function suplus(number) {
  return number % 6
}

于是，随便取几个数，得到 hash 值之后就能存入数组对应的位置

// 输入值：61
suplus(61) = 1

// 输入值：101
suplus(101) = 5

此时的哈希值表示的是数组的下标，因此在很多应用场景，输出结果哈希值也被称为哈希地址

2

哈希碰撞

在上面的例子中，输入值的范围一定大于输出值的范围，这是 hash 的重要特性之一。因此在某些情况下，不同的输入会得到相同的输出结果

// 不同的输入，得到了相同的输出，哈希地址相同
suplus(7)  = 1
suplus(61) = 1

此时哈希地址相同，按照规则，我们不得不把不同的值，存入相同的位置，这种情况就被称之为哈希碰撞（collision）

解决哈希碰撞的方法很多，这里介绍一个比较常见的方法：以数组的每个地址为根节点，构建一个新的链表

例如当输入数字分别为 7, 61 时

但是当数据量庞大时，链表的查询速度比较低效，因此我们在实践中，会将链表替换成红黑树等操作效率更高的数据结构

当然，最理想的情况是输出范围足够广，不出现 hash 碰撞。因此我们实践中使用的 hash 函数，输出值的范围都非常庞大，例如早期用得比较多的 md5，现在使用比较多的sha256：比特币中使用的哈希算法。但是由于输入值范围一定大输出值范围，因此理论上哈希碰撞一定会存在

现在 md5 已经可以人为制造 hash 碰撞，因此实用性大大降低

接下来的一章，跟大家介绍哈希的特性与应用